I asked myself: What do I wish someone had told me when I first got JMP?我問自己：當我第一次接觸 JMP 時，我希望有人能告訴我些什麼？
讓我帶你回到幾年前，回到我開始使用JMP軟體的時候。我指的不是JMP公司，而是JMP這款軟體。 （在你開始質疑我為什麼要在JMP博客上緬懷過去之前，請相信我，我這麼做是有原因的！我保證！）
我剛拿到博士學位，開始了我的第一份正式工作。我從一些在研究生院做過工業實習的實驗室同學那裡了解到，JMP是半導體行業的通用軟體，所以當我的經理建議我學習這款軟體時，我並不感到驚訝。
我加入公司的時候，公司還比較年輕，培訓體係也還沒完善，所以JMP的訓練不多。因此，我最終只能自學JMP——透過反覆試驗、不斷糾錯，以及不斷騷擾JMP技術支援（說真的，你應該看看我當時的工單記錄……我最近翻出來看了，簡直史詩級）。
好吧，為什麼突然湧起這股懷舊之情呢？幾週前，我和一些人討論過這個問題，這讓我開始思考，如果當初有人告訴我一些關於JMP軟體的事情，我會怎麼想。假設當時沒有新使用者入門指南，也沒有JMP使用者社群。假設我不知道我的JMP系統工程師是誰，也不知道如何聯絡技術支持，更不知道關於軟體的任何資訊。假設我當時只知道怎麼開啟JMP，怎麼載入資料集，僅此而已。年輕的我正盯著一個類似電子表格的窗口，以及一個叫做「JMP主頁」的東西。我會坐下來告訴他什麼呢？回想過去，也反思了我後來訓練過的那些JMP用戶，我總結出了五點。所以，如果年輕的我能看到這些，以下就是我希望在我第一次接觸JMP那天有人告訴我的五件事。
我們是視覺動物
第一點比較偏概念性，但對某些人──尤其是程式設計師──來說，需要轉變思考方式。我們是視覺動物——想想我們臉上有多少區域（眼睛）用於收集視覺資訊。無論是偶然還是有意為之，我們都天生能夠極為快速地處理視覺訊息——幾乎到了過分的程度。我們需要將數據視覺化才能理解它。
視覺化步驟對於數據分析至關重要，因為人們真的不擅長閱讀數位表格。很遺憾，事實就是如此。如果表格超過幾行，你幾乎就無法發現任何趨勢或資料品質問題。我最近在讀一本關於Python資料科學的書──你猜他們從哪裡開始講？沒錯，就是表格！整整四章都在講表格、建模和總結統計，之後才講到如何繪製資料集圖表，而這部分內容只花了一章（非常簡短）就講完了。
這個問題並非Python獨有。我在其他學習過的分析語言（甚至包括LaTeX！）中也遇到過同樣的情況。 「表格優先」的理念從數據分析人員入行第一天起就被灌輸，而且是錯誤的。有人告訴我這是因為圖形程式設計比較困難，但這不僅僅是方便的問題——這是一個錯誤。讓我來舉例說明。
下表顯示了一系列資料集的線性模型 (y = mx + b) 的統計資料。這些數據提供了幾乎完全相同（且同樣糟糕的）線性模型、相同的擬合統計量和相同的描述性統計量。如果您查看原始數據表，您可能看不出任何異常——但這與事實相去甚遠。
下方是基於表格基礎資料繪製的圖表。它是互動的，您可以隨意使用左側的篩選器。您找到彩蛋（或更確切地說是恐龍蛋）了嗎？該資料集是安斯庫姆四重奏的變體，旨在幫助展示在建模或分析之前進行視覺化的重要性。 （此處顯示的報告可在JMP 公共中查看，原始數據來自此處。）
JMP旨在幫助您避免「先分析後可視化」這種錯誤。圖形產生器讓您在進行大多數人認為的分析之前，就能輕鬆地將資料視覺化。軟體中的大多數報告都以圖表開頭。 JMP是一款利用圖形和視覺提示來輔助統計分析的工具，旨在引導使用者找到潛在的寶貴資訊。
這款軟體更進一步，使圖形具有互動性——用戶可以透過連結到數據表的多個圖表來探索複雜的關聯關係。簡而言之，JMP 的設計理念是引導使用者先建立圖表，然後再提出問題，這正是您應該做的。巧合的是，這引出了我希望有人早點告訴我的第二件事——這也是我們下次討論的內容。
什麼？ ！說真的，抱歉留下了懸念。我原本打算只寫一篇部落格文章。畢竟，這五件我希望有人早點告訴我的事，最初是在一個小時的研討會上分享的。但是，寫完之後，我發現它篇幅太長，一口氣讀完有點吃力。 JMP部落格的編輯們非常慷慨地允許我把它分成系列文章。所以，我們現在就把它分成一個小章節，方便大家閱讀。不用謝。
如此真實！
而且，對於那些沒有技術背景的人來說更是如此。 像我這樣的。
在大學裡，我學的是歷史。 但一個非常很久以前，我記得在國中時討厭代數，但喜歡幾何。
所以當我偶然發現 JMP 時，版本1 ，我被迷住了。 仍然是。
@安德森姆j2 - 有趣的是，這些東西的周期性是多麼的大。
這讓我笑了，麥克——有幾個原因。 首先，它顯示了我們「第一次 JMP 體驗」多年來的差異，以及因此而產生的觀點差異。
當我第一次使用 JMP 時，它是一款僅適用於 Mac 的小型產品，仍處於其第一個版本 - 我使用的「競爭對手」包括 VAX 上的 SAS 和 RS/1。 對於「奇特」的圖形，我們通常會將資料匯出到 Kaleidagraph - 然後 JMP 就出現了。 我們能夠如此快速、輕鬆地創建和重新創建圖表的想法簡直令人難以置信 - 即使當時的東西有點簡陋，但這並不重要，因為它遠遠領先於其他一切。
當時我們立即接受了「先繪製圖表，然後提出問題」的口號……這仍然是我在近 30 年後對新用戶的第一個建議！
所以，我嘗試了一下，什麼也沒發現，並意識到可視化數據的目的是（解釋邁克）發現將線性模型擬合到數據是完全不合適的，但是如果我跳過可視化並開始使用統計表，我不會看到。
